期刊文献+
共找到6篇文章
< 1 >
每页显示 20 50 100
基于卷积神经网络的木材缺陷识别 预览
1
作者 崔明光 张秀梅 韩维娜 《长春工业大学学报:自然科学版》 CAS 2019年第4期332-338,共7页
跨层卷积神经网络模型由输入层、两个交替的卷积层、池化层、全连接层和输出层组成。池化层输出到全连接层,将网络的高层次特征和低层次特征相结合构造分类器。在网络中加入Dropout技术,以防止过拟合的发生。
关键词 卷积神经网络 缺陷识别 跨层连接 Dropout技术
在线阅读 下载PDF
基于跨连特征融合网络的面部表情识别 预览
2
作者 黄倩露 王强 《计算机工程与设计》 北大核心 2019年第10期2969-2973,共5页
传统神经网络特征单向处理难以有效利用高层抽象特征和低层细节特征,不能获得更多有用信息,为此提出跨连特征融合神经网络(cross-connected feature fuse,CFF)模型,进一步提高面部表情分类的准确率。在AlexNet卷积神经网络的基础上,通... 传统神经网络特征单向处理难以有效利用高层抽象特征和低层细节特征,不能获得更多有用信息,为此提出跨连特征融合神经网络(cross-connected feature fuse,CFF)模型,进一步提高面部表情分类的准确率。在AlexNet卷积神经网络的基础上,通过结合低层池化层与高层池化层中的特征,获取更多全面、细致的表情特征信息,使用矩阵的方式表示模型处理过程。在REN_VFEdb面部表情数据库上的实验结果表明,CFF的分类准确率为93.56%,比AlexNet卷积神经网络提高了1.12%。 展开更多
关键词 面部表情识别 卷积神经网络 特征融合 AlexNet 跨层连接
在线阅读 下载PDF
基于密集连接空洞卷积神经网络的青藏地区云雪图像分类 预览
3
作者 曹辉 翁理国 张德正 《计算机测量与控制》 2019年第9期169-173,共5页
为了提高高纬度地区云雪卫星图像的识别准确率,提出了密集连接空洞卷积神经网络与空洞卷积相结合的方法进行云雪卫星图像识别研究;该方法首先采用常规卷积层对图像进行处理得到特征图,然后采用多个密集块和过渡层对特征图进行处理;其中... 为了提高高纬度地区云雪卫星图像的识别准确率,提出了密集连接空洞卷积神经网络与空洞卷积相结合的方法进行云雪卫星图像识别研究;该方法首先采用常规卷积层对图像进行处理得到特征图,然后采用多个密集块和过渡层对特征图进行处理;其中,密集块中采用跨层连接的方式实现了网络中所用层的特征传递,使得大量云雪特征得到重用,同时减轻了训练过程中的梯度消失问题;密集块中的卷积核采用空洞卷积,在减少参数量的同时扩大局部感受野,对云雪的光谱信息进行特征提取;最后,该方法采用平均全局池化层与全连接层得到云雪图像的预测结果;实验结果表明,与其他机器学习方法相比,该方法能够提高卫星云雪图像的识别准确率,具有良好的泛化能力。 展开更多
关键词 云雪图像识别 特征提取 跨层连接 空洞卷积
在线阅读 下载PDF
基于嵌入式的硅晶片瑕疵检测 预览
4
作者 杨飚 原亚孟 《工业控制计算机》 2019年第3期37-39,共3页
针对目前硅晶片瑕疵具有大小差异较大,与背景相似性高,存在大量细小瑕疵,检测算法具有较高复杂度的特点,结合当前先进的目标检测技术与嵌入式技术,提出了基于嵌入式的硅晶片瑕疵检测方法。利用现在流行的YOLOv3算法,通过改进网络结构,... 针对目前硅晶片瑕疵具有大小差异较大,与背景相似性高,存在大量细小瑕疵,检测算法具有较高复杂度的特点,结合当前先进的目标检测技术与嵌入式技术,提出了基于嵌入式的硅晶片瑕疵检测方法。利用现在流行的YOLOv3算法,通过改进网络结构,并融合了数据扩增等方法训练目标检测网络,使得算法更适合于硅晶片的瑕疵检测任务,并采用模块化设计在Linux嵌入式系统下实现了图像采集、处理、存储与输出。实验表明,在较小的样本下,该方法实现了对硅晶片瑕疵的快速、准确的检测。 展开更多
关键词 嵌入式 硅晶片 瑕疵检测 YOLOv3 Senet 跨层连接
在线阅读 下载PDF
基于跨连卷积神经网络的性别分类模型 预览 被引量:13
5
作者 张婷 李玉鑑 +1 位作者 胡海鹤 张亚红 《自动化学报》 EI CSCD 北大核心 2016年第6期858-865,共8页
为提高性别分类准确率,在传统卷积神经网络(Convolutional neural network,CNN)的基础上,提出一个跨连卷积神经网络(Cross-connected CNN,CCNN)模型.该模型是一个9层的网络结构,包含输入层、6个由卷积层和池化层交错构成的隐含层、... 为提高性别分类准确率,在传统卷积神经网络(Convolutional neural network,CNN)的基础上,提出一个跨连卷积神经网络(Cross-connected CNN,CCNN)模型.该模型是一个9层的网络结构,包含输入层、6个由卷积层和池化层交错构成的隐含层、全连接层和输出层,其中允许第2个池化层跨过两个层直接与全连接层相连接.在10个人脸数据集上的性别分类实验结果表明,跨连卷积网络的准确率均不低于传统卷积网络. 展开更多
关键词 性别分类 卷积神经网络 跨连卷积神经网络 跨层连接
在线阅读 下载PDF
面向链接的资源分配与QoS保障联合跨层算法 预览
6
作者 陈杰 赵民建 李式巨 《浙江大学学报:工学版》 EI CAS CSCD 北大核心 2008年第10期 1739-1744,共6页
为了在无线蜂窝网络中向各物理链路上具有不同速率以及延时要求的多条数据链接提供最优化的资源分配以及服务质量(QoS)保障,设计了一种面向链接的资源分配与QoS保障联合算法.基于跨层设计思想,将目标建模为接人控制、速率分配以及... 为了在无线蜂窝网络中向各物理链路上具有不同速率以及延时要求的多条数据链接提供最优化的资源分配以及服务质量(QoS)保障,设计了一种面向链接的资源分配与QoS保障联合算法.基于跨层设计思想,将目标建模为接人控制、速率分配以及资源分配3个子问题.来自物理层的信道状态信息、来自媒体接人控制(MAC)层的队列状态信息、来自应用层的速率及延时请求信息在系统模型中得到了综合的考虑.子问题可以分别通过贪婪算法及凸规划算法顺序地进行求解,从而得出每条数据链接上最优的资源及功率分配值,而这些结果将通过特定的接口反馈到各个层次模块中去.仿真结果表明,该算法能够解决模型面临的问题,并且比层次式协议栈中的算法更加有效地利用了网络资源. 展开更多
关键词 跨层设计 服务质量 面向链接 无线蜂窝网络
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部 意见反馈